[中报]云从科技(688327):云从科技2022年半年度报告
|
时间:2022年08月29日 18:53:22 中财网 |
|
原标题:云从科技:云从科技2022年半年度报告
公司代码:688327 公司简称:云从科技
云从科技集团股份有限公司
2022年半年度报告
重要提示
一、本公司董事会、监事会及董事、监事、高级管理人员保证半年度报告内容的真实性、准确性、完整性,不存在虚假记载、误导性陈述或重大遗漏,并承担个别和连带的法律责任。
二、重大风险提示
公司已在本报告中详细描述可能存在的相关风险,具体内容详见本报告第三节“管理层讨论与分析”之“五、风险因素”相关内容。
三、全体董事出席董事会会议。
四、本半年度报告未经审计。
五、公司负责人周曦、主管会计工作负责人李胜刚及会计机构负责人(会计主管人员)高伟声明:保证半年度报告中财务报告的真实、准确、完整。
六、董事会决议通过的本报告期利润分配预案或公积金转增股本预案 无
七、在公司治理特殊安排等重要事项
√适用 □不适用
公司治理特殊安排情况:
□本公司为红筹企业
□本公司存在协议控制架构
√本公司存在表决权差异安排
具体内容详见本报告“第七节 股份变动及股东情况”之“六特别表决股份情况”。
八、前瞻性陈述的风险声明
√适用 □不适用
本报告所涉及的公司未来计划等前瞻性陈述,不构成公司对投资者的实质承诺,投资者及相关人士均应当对此保持足够的风险认识,并且应当理解计划、预测与承诺之间的差异。
九、存在被控股股东及其关联方非经营性占用资金情况
否
十、存在违反规定决策程序对外提供担保的情况?
否
十一、在半数以上董事无法保证公司所披露半年度报告的真实性、准确性和完整性 否
十二、其他
□适用 √不适用
目录
第一节 释义 ................................................................................................................... 5
第二节 公司简介和主要财务指标 ............................................................................. 11
第三节 管理层讨论与分析 ......................................................................................... 15
第四节 公司治理 ......................................................................................................... 80
第五节 环境与社会责任 ............................................................................................. 82
第六节 重要事项 ......................................................................................................... 83
第七节 股份变动及股东情况 ................................................................................... 108
第八节 优先股相关情况 ........................................................................................... 117
第九节 债券相关情况 ............................................................................................... 118
第十节 财务报告 ....................................................................................................... 119
备查文件目录 | (一)载有公司负责人、主管会计工作负责人、会计机构负责人(会
计主管人员)签名并盖章的财务报表 |
| (二)报告期内公开披露过的所有公司文件的正本及公告的原稿 |
| (三)经现任法定代表人签字和公司盖章的本次半年度报告 |
第一节 释义
在本报告书中,除非文义另有所指,下列词语具有如下含义:
常用词语释义 | | |
公司/本公司 | 指 | 云从科技集团股份有限公司 |
重庆云从 | 指 | 重庆中科云从科技有限公司,系公司的控股子公司 |
江苏云从 | 指 | 江苏云从曦和人工智能有限公司,系公司的全资子公司 |
四川云从 | 指 | 四川云从天府人工智能科技有限公司,系公司的全资子公司 |
恒睿重庆 | 指 | 恒睿(重庆)人工智能技术研究院有限公司,系公司的全资子公司 |
北京云从 | 指 | 北京云从科技有限公司,系公司的全资子公司 |
上海汇临 | 指 | 上海云从汇临人工智能科技有限公司,系公司的全资子公司 |
上海云从 | 指 | 上海云从企业发展有限公司,系公司的全资子公司 |
广州人工智能 | 指 | 广州云从人工智能技术有限公司,系公司的全资子公司 |
贵州云从 | 指 | 贵州云从科技有限公司,系公司的全资子公司 |
芜湖云从 | 指 | 芜湖云从科技有限公司,系公司的全资子公司 |
广州凯风 | 指 | 广州云从凯风科技有限公司,系广州人工智能的全资子公司 |
安徽云从 | 指 | 安徽云从人工智能应用软件有限公司,系上海云从的全资子公司 |
云从美国 | 指 | 云从(美国)信息科技有限公司,英文名称“Cloudwalk Technology
Corp.”,系公司于美国注册的全资子公司 |
实体清单 | 指 | 美国商务部产业安全局要求实体清单上企业的出口、再出口或者转让
所有受管辖的物项均需经其事先许可 |
常州云从 | 指 | 常州云从信息科技有限公司,曾用名“常州飞寻视讯信息科技有限公
司”,系公司控股股东 |
杰翱投资 | 指 | 新余杰翱科技发展合伙企业(有限合伙),系公司股东 |
佳都科技 | 指 | 佳都科技集团股份有限公司,系公司股东 |
新余卓安 | 指 | 新余卓安投资管理中心(有限合伙),系公司股东 |
新疆汇富 | 指 | 新疆汇富云鼎股权投资合伙企业(有限合伙),系公司股东 |
云逸众谋 | 指 | 宁波梅山保税港区云逸众谋投资管理合伙企业(有限合伙),系公司
股东 |
元知投资 | 指 | 宁波梅山保税港区元知投资管理合伙企业(有限合伙),系公司股东 |
顺赢投资 | 指 | 杭州顺赢股权投资合伙企业(有限合伙),系公司股东 |
智云从兴 | 指 | 苏州工业园区智云从兴创业投资企业(有限合伙),系公司股东 |
张江星河 | 指 | 深圳市张江星河投资企业(有限合伙),系公司股东 |
普华安盛 | 指 | 诸暨普华安盛股权投资合伙企业(有限合伙),系公司股东 |
深圳兴旺 | 指 | 深圳兴旺互联三号投资中心(有限合伙),系公司股东 |
顺为科技 | 指 | 苏州工业园区顺为科技股权投资合伙企业(有限合伙),系公司股东 |
普华天勤 | 指 | 金华普华天勤股权投资基金合伙企业(有限合伙),系公司股东 |
释天投资 | 指 | 宁波梅山保税港区释天创业投资合伙企业(有限合伙),系公司股东 |
宁波卓为 | 指 | 宁波卓为企业管理合伙企业(有限合伙),系公司股东 |
宁波卓彩 | 指 | 宁波卓彩企业管理合伙企业(有限合伙),系公司股东 |
国新资本 | 指 | 国新资本有限公司,系公司股东 |
广州基金 | 指 | 广州汇垠云兴股权投资基金合伙企业(有限合伙),系公司股东 |
上海联升 | 指 | 上海联升承业创业投资有限公司,系公司股东 |
抚州友邦 | 指 | 抚州市友邦科技中心(普通合伙),系公司股东 |
新企投资 | 指 | 新企(广州)股权投资合伙企业(有限合伙),系公司股东 |
鼎盛信和 | 指 | 珠海鼎盛信和股权投资基金(有限合伙),系公司股东 |
智云贰号 | 指 | 苏州工业园区智云从兴贰号创业投资企业(有限合伙),系公司股东 |
渤盛嘉华 | 指 | 湖北渤盛嘉华股权投资合伙企业(有限合伙),系公司股东 |
横琴德昇 | 指 | 珠海市横琴德昇合泰股权投资基金(有限合伙),系公司股东 |
广东创投 | 指 | 广东省科技创业投资有限公司,系公司股东 |
创领日昇 | 指 | 宁波创领日昇股权投资合伙企业(有限合伙),系公司股东 |
云鼎投资 | 指 | 广州云鼎股权投资基金合伙企业(有限合伙),系公司股东 |
盛世博豪 | 指 | 宁夏盛世博豪股权投资合伙企业(有限合伙),系公司股东 |
群岛千帆 | 指 | 群岛千帆(青岛)股权投资中心(有限合伙),系公司股东 |
中网投 | 指 | 中国互联网投资基金(有限合伙),系公司股东 |
星河创投 | 指 | 广州星河湾创业投资有限公司,系公司股东 |
新鼎投资 | 指 | 新余新鼎啃哥拾陆号投资管理合伙企业(有限合伙),系公司股东 |
南沙金控 | 指 | 广州南沙金融控股集团有限公司,系公司股东 |
国改基金 | 指 | 上海国企改革发展股权投资基金合伙企业(有限合伙),系公司股东 |
珠江国投 | 指 | 广州珠江国投科创股权投资合伙企业(有限合伙),系公司股东 |
众安祺瑞 | 指 | 众安祺瑞(上海)资本管理有限公司,系公司股东 |
高丛创业 | 指 | 广州高丛创业投资合伙企业(有限合伙),系公司股东 |
大昊创业 | 指 | 广州大昊创业投资合伙企业(有限合伙),系公司股东 |
吕申创业 | 指 | 广州吕申创业投资合伙企业(有限合伙),系公司股东 |
和德创业 | 指 | 广州和德创业投资合伙企业(有限合伙),系公司股东 |
明睿五号 | 指 | 广州明睿五号实业投资合伙企业(有限合伙),系公司股东 |
嘉兴长茂 | 指 | 嘉兴长茂股权投资合伙企业(有限合伙),系公司股东 |
创达一号 | 指 | 广州越秀创达一号实业投资合伙企业(有限合伙),系公司股东 |
重庆红芯 | 指 | 重庆红芯股权投资合伙企业(有限合伙),系公司股东 |
创达三号 | 指 | 广州越秀创达三号实业投资合伙企业(有限合伙),系公司股东 |
长三角基金 | 指 | 长三角(上海)产业创新股权投资基金合伙企业(有限合伙),系公
司股东 |
海纳铭威 | 指 | 北京海纳铭威生物科技有限公司,系公司股东 |
宏泰海联 | 指 | 湖北宏泰海联股权投资合伙企业(有限合伙),系公司股东 |
高云芯智 | 指 | 宁波梅山保税港区高云芯智投资合伙企业(有限合伙),系公司股东 |
广盈一号 | 指 | 广盈博股一号科技创新投资(广州)合伙企业(有限合伙),系公司
股东 |
汇星五号 | 指 | 广州汇星五号实业投资合伙企业(有限合伙),系公司股东 |
海康威视 | 指 | 杭州海康威视数字技术股份有限公司,深圳证券交易所主板上市公
司,股票代码为 002415 |
商汤科技 | 指 | 商汤集团股份有限公司 |
旷视科技 | 指 | 北京旷视科技有限公司 |
依图科技 | 指 | 上海依图网络科技有限公司 |
大华股份 | 指 | 浙江大华技术股份有限公司 |
宇视科技 | 指 | 浙江宇视科技有限公司 |
国务院 | 指 | 中华人民共和国国务院 |
财政部 | 指 | 中华人民共和国财政部 |
国家公安部/公安
部 | 指 | 中华人民共和国公安部 |
中国证监会/证监
会 | 指 | 中国证券监督管理委员会 |
《公司法》 | 指 | 《中华人民共和国公司法》 |
《证券法》 | 指 | 《中华人民共和国证券法》 |
上交所 | 指 | 上海证券交易所 |
《上市规则》 | 指 | 《上海证券交易所科创板股票上市规则》 |
《公司章程(草
案)》 | 指 | 公司股东大会已通过且拟在上市之日起生效的《云从科技集团股份有
限公司章程(草案)》 |
中信建投/保荐人/ | 指 | 中信建投证券股份有限公司 |
保荐机构/主承销
商 | | |
公司律师/公司律
师/国枫律师 | 指 | 北京国枫律师事务所 |
公司会计师/大华
会计师/审计机构 | 指 | 大华会计师事务所(特殊普通合伙) |
评估机构/北方亚
事评估 | 指 | 北京北方亚事资产评估事务所(特殊普通合伙) |
募投项目 | 指 | 募集资金扣除发行费用后将投资的项目,包括:人机协同操作系统升
级项目、轻舟系统生态建设项目、人工智能解决方案综合服务生态项
目和补充流动资金 |
赛迪顾问 | 指 | 赛迪顾问股份有限公司 |
人工智能、AI | 指 | Artificial Intelligence的缩写,研究、开发用于模拟、延伸和扩展人的
智能的理论、方法、技术及应用系统的技术科学 |
云从人机协同操
作系统/人机协同
操作系统/CWOS | 指 | Cloudwalk Operating System的简称,即云从人机协同操作系统,指运
行在通用操作系统或云操作系统之上,提供人机协同相关算力、算法
和数据管理能力和应用接口的底层软件系统,专为人与计算机之间进
行自然交互、协作完成复杂业务以及为开发者设计开发人机协同智能
应用而构建,旨在降低人工智能应用门槛、提升人类与机器智能进行
协作的效率和体验 |
人工智能生态 | 指 | 人工智能技术服务于人类所需的核心能力和配套资源,与参与其中的
各类角色相互作用的体系 |
人工智能单点技
术 | 指 | 让机器模拟或学习人类单一功能的人工智能技术。例如计算机视觉、
语音处理、自然语言处理、模式识别等功能性单一的技术 |
人工智能工程化 | 指 | 人工智能技术原型转化为生产的过程,通过增强人工智能模型的准确
性、可扩展性、可解释性和可靠性,减少开发成本、优化开发流程,
实现技术产业化的加速 |
人机协同 | 指 | 充分结合人类和人工智能的优势能力解决问题,包括人类和人工智能
互相沟通和理解(人机交互)、人类和人工智能共同完成任务(人机
融合)、人类和人工智能共同创造新的内容(人机共创) |
人机协同生态体
系 | 指 | 以人机协同企业为核心的产业生态体系 |
物联网、IoT | 指 | Internet of Things的简称,即一个动态的全球网络基础设施,它具有基
于标准和互操作通信协议的自组织能力,其中物理的和虚拟的“物”
具有身份标识、物理属性、虚拟的特性和智能的接口,并与信息网络
无缝整合 |
智能物联网、
AIoT | 指 | 人工智能(AI)技术与物联网(IoT)整合应用,物联网采集底层数
据,人工智能技术处理、分析数据并实现相应功能,两项技术相互促
进,应用领域广泛 |
区块链 | 指 | 一个共享数据库,存储于其中的数据或信息,具有不可伪造、全程留
痕、可以追溯、公开透明、集体维护等特征 |
深度学习 | 指 | 一类人工智能主流算法的总称,可基于海量数据训练具有大量隐含层
的人工神经网络模型(即深度神经网络),使其完成图像识别、语音
识别等特定的人工智能任务 |
神经网络 | 指 | 人工神经网络的简称,是计算机科学家受生物脑基本结构启发而提出
的一大类人工智能模型的总称,可用于视觉、语音和自然语言处理等
广泛的应用领域,让计算机实现类人的感知功能和较为简单初步的认
知功能 |
云端 | 指 | 在计算机领域中一般指集中在大规模数据中心进行远程处理。该处理
方案称为云端处理,处理场所为云端 |
终端 | 指 | 相对于云端,一般指个人可直接接触或使用、不需要远程访问的设
备,或者直接和数据或传感器一体的设备,如手机、智能音箱、智能
手表等 |
浮点 | 指 | 计算机处理的数值数据多数带有小数,小数点位置可以浮动,称为浮
点表示法,简称浮点或浮点数,浮点表示法一般遵循 IEEE754标准 |
训练 | 指 | 在机器学习或人工智能领域,通过大量带标签样本,通过一定的方
法,得到对应机器学习/人工智能模型参数的过程 |
推理 | 指 | 在机器学习或人工智能领域,通过已经训练好的模型(模型参数已经
通过训练得到),去预测新数据标签的过程 |
计算机视觉 | 指 | 用摄影机和计算机代替人眼对目标进行识别、跟踪和测量等机器视
觉,并进一步做图形处理,使计算机处理成为更适合人眼观察或传送
给仪器检测的图像。作为一个科学学科,计算机视觉研究相关的理论
和技术,试图建立能够从图像或者多维数据中获取“信息”的人工智
能系统 |
跨镜追踪 | 指 | 也称之为行人再识别(Person re-identification),是利用计算机视觉
技术判断镜头中某个图像或跨多镜头的视频序列中是否存在特定行人
的技术 |
谛格 AI定义小站 | 指 | 是云从自研的一款边缘(智能)计算类产品,集成音视频解码、AI推
理、流媒体服务等多种能力,可按需加载多样化算法引擎、赋能千行
百业的标准化软硬一体设备 |
带宽 | 指 | 在单位时间内能传输的数据量,单位为比特/秒(bit/s),代表通信线
路所能传送数据的能力 |
知识元组 | 指 | 三元组是图谱类数据结构的一种最基础形式和最小单元,表示两个节
点(事件或者概念)及它们之间的关系(关系、属性等),形式为
(节点 1,关系,节点 2);也可以把节点和关系组成 N元组,或者
其他的表达知识结构化存在形式,所以统称之为知识元组 |
ReID | 指 | Re-identification的缩写,即重识别技术,一般为利用计算机视觉技术
判断图像或者视频序列中是否存在特定对象的技术。旨在弥补固定摄
像头的视觉局限,可与对象检测/跟踪技术相结合 |
ASR | 指 | Automatic Speech Recognition的缩写,即自动语音识别技术,指一种
将人的语音转换为文本的技术 |
NLP | 指 | Natural Language Processing的缩写,即自然语言处理,属于人工智能
的一个子领域,用于研究人类自然语言和计算机之间的相互作用。重
点是帮助机器利用信息的语义结构来理解人类自然语言的含义 |
ML | 指 | Machine Learning的缩写,即机器学习,专门研究计算机怎样模拟或
实现人类的学习行为,以获取新的知识或技能,重新组织已有的知识
结构使之不断改善自身的性能 |
SoC | 指 | System of Chip的缩写,指系统级芯片,是一个有专用目标的集成电
路,其中包含完整系统并有嵌入软件的全部内容 |
API | 指 | Application Programming Interface的缩写,应用软件编程接口,软件
系统不同组成部分衔接的约定,用来提供应用程序与开发人员基于某
软件或硬件得以访问的一组例程,而又无需访问原码 |
SDK | 指 | Software Development Kit的缩写,软件开发工具包,指特定的软件
包、软件框架、硬件平台、操作系统等建立应用软件时的开发工具的
集合 |
3D | 指 | 三维立体图形 |
TOF | 指 | Time Of Flight的缩写,飞行时间法 3D成像,通过给目标连续发送光
脉冲,然后用传感器接收从物体返回的光,通过探测光脉冲的飞行
(往返)时间来得到目标物距离 |
4G | 指 | The fourth generation mobile communication network的缩写,第四代移 |
| | 动通信网络,将 WLAN技术和 3G通信技术相结合,提高图像的传输
速度和传输质量,速度可以高达 100Mbps |
5G | 指 | The fifth generation mobile communication network的缩写,第五代移
动通信网络,其峰值理论传输速度可达每秒数 10Gb,比 4G 网络的传
输速度快数百倍 |
PAD | 指 | Portable Android Device的缩写,平板电脑,一种小型、方便携带的个
人电脑,以触摸屏作为基本的输入设备 |
OCR | 指 | Optical Character Recognition的缩写,光学字符识别,指电子设备检查
打印字符,通过检测暗、亮的模式确定其形状,然后用字符识别方法
将形状翻译成计算机文字的技术 |
ISV | 指 | 独立软件开发商,即 Independent Software Vendors |
OTA | 指 | 空中下载技术,即 Over-the-Air Technology,是通过移动通信的空中
接口实现对终端设备进行远程管理的技术。 |
AR | 指 | Augmented Reality的缩写,中文名称为增强现实技术,是一种实时地
计算摄影机影像的位置及角度并加上相应图像、视频、3D模型的技
术 |
VR | 指 | Virtual Reality的缩写,中文名称为虚拟现实技术,是一种可以创建和
体验虚拟世界的计算机仿真系统,它利用计算机生成一种模拟环境,
是一种多源信息融合的、交互式的三维动态视景 |
SM算法 | 指 | 即国密算法,是指国家密码局认定的国产商用密码算法,目前常用的
主要包括 SM1、SM2、SM3、SM4 |
AES | 指 | 高级加密标准,即 Advanced Encryption Standard |
DES | 指 | DES全称为 Data Encryption Standard,即数据加密标准,是一种使用
密钥加密的块算法 |
SHA | 指 | 安全散列算法,即 Secure Hash Algorithm,是一个密码散列函数家
族,是 FIPS所认证的安全散列算法 |
ECC | 指 | “Error Correcting Code”的简写,ECC是一种能够实现“错误检查和
纠正”的技术 |
RSA | 指 | 一种加密算法,它是 1977年由罗纳德·李维斯特(Ron Rivest)、阿
迪·萨莫尔(Adi Shamir)和伦纳德·阿德曼(Leonard Adleman)共同
提出的一种加密算法,RSA就是他们三人姓氏开头字母拼在一起组成
的 |
BCTC | 指 | Banking Card Test Center的缩写,中文名称为银行卡检测中心,由中
国银联股份有限公司和中国印钞造币总公司投资控股的一家提供银行
卡及金融科技检测技术服务的专业化机构 |
SQL | 指 | 结构化查询语言(Structured Query Language),是一种数据库查询和
程序设计语言,用于存取数据以及查询、更新和管理关系数据库系统 |
IPC | 指 | 网络摄像机,又叫 IP CAMERA(简称 IPC),是一种结合传统摄像机与
网络技术所产生的新一代摄像机,它可以将视频影像通过网络进行传
输 |
NVR | 指 | Network Video Recorder,即网络视频录像机,是网络视频监控系统的
存储转发部分,NVR与视频编码器或网络摄像机协同工作,完成视
频的录像、存储及转发功能 |
PGIS | 指 | 城市停车诱导系统(Parking Guidance Information System,简称
PGIS)是指通过智能探测技术,与分散在各处的停车场实现智能联网
数据上传,实现对各个停车场停车数据进行实时发布,引导司机实现
便捷停车,解决城市停车难问题的智能系统 |
GIS | 指 | Geographic Information System,是以地理空间数据库为基础,在计算
机软硬件的支持下,对地理空间信息进行采集、存储、检索、显示和
分析的综合性技术系统 |
TPS | 指 | Transaction Per Second,一个表达系统处理能力的性能指标,每秒处理
的消息数 |
DevOps自动化系
统 | 指 | DevOps(Development和 Operations的组合词)是一组过程、方法与
系统的统称,DevOps自动化系统是通过自动化“软件交付”和“架构
变更”的流程,来使得构建、测试、发布软件能够更加地快捷、频繁
和可靠 |
WebSocket | 指 | 是一种支持双向通讯网络的通信协议 |
int8量化 | 指 | 使用 8bit精度表示深度学习网络参数以及推理计算的技术 |
MOTA | 指 | (Multiple Object Tracking Accuracy)多目标跟踪准确度,用于衡量单摄
像头多目标跟踪准确度的一个指标,通常情况数值越接近于 1表示跟
踪器性能越好 |
HDFS | 指 | Hadoop Distributed File System,简称 HDFS,是一个分布式文件系统 |
JDBC | 指 | Java数据库连接,(Java Database Connectivity,简称 JDBC)是 Java
语言中用来规范客户端程序如何来访问数据库的应用程序接口,提供
了诸如查询和更新数据库中数据的方法 |
BI分析系统 | 指 | BI(Business Intelligence)即商务智能,用来将企业中现有的数据进
行有效的整合,快速准确的提供报表并提出决策依据,帮助企业做出
明智的业务经营决策 |
MOS分 | 指 | Mean Opinion Score,平均主观意见分。在国际标准中,统一使用
MOS值来评价系统接收到的经过压缩后的话音质量 |
KaaS | 指 | Knowledge as a Service的缩写,知识即服务 |
CWOS-ECO | 指 | CloudWalk Operating System简称 CWOS,是云从自主研发的人机协同
操作系统,CWOS-ECO践行了一种独特的 AI系统构建思想,提供了
方法论、标准规范和工具集,聚焦于解决分布式系统封装打包、编排
设计、一键部署、快速开设、集群管理、升级扩容、故障反馈、智能
运维、生命周期管理等需求 |
SaaS | 指 | Software-as-a-Service的缩写,软件即服务 |
NIST | 指 | 美国国家标准与技术研究院 |
FRVT | 指 | 人脸识别算法测试 |
误识率 | 指 | 将错误信息识别为正确的概率 |
报告期、本报告
期 | 指 | 2022年 1月 1日至 2022年 6月 30日 |
上年同期 | 指 | 2021年 1月 1日至 2021年 6月 30日 |
元、万元、亿元 | 指 | 人民币元、人民币万元、人民币亿元 |
第二节 公司简介和主要财务指标
一、 公司基本情况
公司的中文名称 | 云从科技集团股份有限公司 |
公司的中文简称 | 云从科技 |
公司的外文名称 | Cloudwalk Technology Co., Ltd. |
公司的外文名称缩写 | CLOUDWALK |
公司的法定代表人 | 周曦 |
公司注册地址 | 广州市南沙区南沙街金隆路37号501房 |
公司注册地址的历史变更情况 | 不适用 |
公司办公地址 | 上海市浦东新区川和路55弄张江人工智能岛11栋 |
公司办公地址的邮政编码 | 201210 |
公司网址 | www.cloudwalk.com |
电子信箱 | [email protected] |
报告期内变更情况查询索引 | 不适用 |
二、 联系人和联系方式
| 董事会秘书(信息披露境内代表) | 证券事务代表 |
姓名 | 李胜刚 | 周阳帅 |
联系地址 | 上海市浦东新区川和路55弄张江人工智能
岛11栋 | 上海市浦东新区川和路55弄张江人工智能
岛11栋 |
电话 | 021-60969707 | 021-60969707 |
传真 | 021-60969708 | 021-60969708 |
电子信箱 | [email protected] | [email protected] |
三、 信息披露及备置地点变更情况简介
公司选定的信息披露报纸名称 | 《中国证券报》《上海证券报》《证券时报》《证券日报》
《金融时报》《中国日报》 |
登载半年度报告的网站地址 | www.sse.com.cn |
公司半年度报告备置地点 | 上海市浦东新区川和路55弄张江人工智能岛11栋董事会办公
室 |
报告期内变更情况查询索引 | 不适用 |
四、 公司股票/存托凭证简况
(一) 公司股票简况
√适用 □不适用
公司股票简况 | | | | |
股票种类 | 股票上市交易所
及板块 | 股票简称 | 股票代码 | 变更前股票简称 |
A股 | 上海证券交易所
科创板 | 云从科技 | 688327 | 不适用 |
(二) 公司存托凭证简况
□适用 √不适用
五、 其他有关资料
□适用 √不适用
六、 公司主要会计数据和财务指标
(一) 主要会计数据
单位:元 币种:人民币
主要会计数据 | 本报告期
(1-6月) | 上年同期 | 本报告期比上年
同期增减(%) |
营业收入 | 391,108,844.11 | 454,607,177.32 | -13.97 |
归属于上市公司股东的净利润 | -325,359,279.58 | -365,836,231.33 | 不适用 |
归属于上市公司股东的扣除非
经常性损益的净利润 | -352,258,988.34 | -387,539,312.67 | 不适用 |
经营活动产生的现金流量净额 | -363,437,671.41 | -526,809,636.30 | 不适用 |
| 本报告期末 | 上年度末 | 本报告期末比上
年度末增减(%) |
归属于上市公司股东的净资产 | 2,565,959,080.84 | 1,170,985,823.33 | 119.13 |
总资产 | 4,194,682,064.88 | 2,312,643,430.48 | 81.38 |
(二) 主要财务指标
主要财务指标 | 本报告期
(1-6月) | 上年同期 | 本报告期比上年同
期增减(%) |
基本每股收益(元/股) | -0.50 | -0.58 | 不适用 |
稀释每股收益(元/股) | -0.50 | -0.58 | 不适用 |
扣除非经常性损益后的基本每
股收益(元/股) | -0.54 | -0.62 | 不适用 |
加权平均净资产收益率(%) | -31.07 | -23.95 | 不适用 |
扣除非经常性损益后的加权平
均净资产收益率(%) | -33.64 | -25.37 | 不适用 |
研发投入占营业收入的比例(
%) | 65.42 | 58.26 | 增加7.16个百分点 |
公司主要会计数据和财务指标的说明
√适用 □不适用
1、报告期内,实现营业收入 39,110.88万元,较上年同期下降 13.97%,主要系上半年全国多地爆发疫情,市场需求以及项目验收进度受到一定影响所致。
2、报告期内,归属于上市公司股东的净利润为-32,535.93万元,亏损同比收窄11.06%,主要系公司加强精细化管理,提升了资源的使用效率,销售费用、管理费用、研发费用较上年同期减少所致。
3、报告期内,归属于上市公司股东的净资产 256,595.91万元,较上年末增长119.13%,总资产 419,468.21万元,较上年末增长 81.38%,主要系首次公开发行股票募集资金所致。
4、报告期内,经营活动产生的现金流量净额-36,343.77万元,经营性现金净流出较上年同期收窄 31.01%,主要系公司加强精细化管理,提升了资源的使用效率,各项经营活动现金流出项目减少综合影响所致。
七、 境内外会计准则下会计数据差异
□适用 √不适用
八、 非经常性损益项目和金额
√适用 □不适用
单位:元 币种:人民币
非经常性损益项目 | 金额 | 附注(如适用) |
非流动资产处置损益 | | |
越权审批,或无正式批准文件,
或偶发性的税收返还、减免 | | |
计入当期损益的政府补助,但与
公司正常经营业务密切相关,符
合国家政策规定、按照一定标准
定额或定量持续享受的政府补助
除外 | 26,820,057.06 | 详见本报告第十节财务报告
之附注七、67.其他收益 |
计入当期损益的对非金融企业收
取的资金占用费 | | |
企业取得子公司、联营企业及合
营企业的投资成本小于取得投资
时应享有被投资单位可辨认净资
产公允价值产生的收益 | | |
非货币性资产交换损益 | | |
委托他人投资或管理资产的损益 | | |
因不可抗力因素,如遭受自然灾
害而计提的各项资产减值准备 | | |
债务重组损益 | | |
企业重组费用,如安置职工的支
出、整合费用等 | | |
交易价格显失公允的交易产生的
超过公允价值部分的损益 | | |
同一控制下企业合并产生的子公 | | |
司期初至合并日的当期净损益 | | |
与公司正常经营业务无关的或有
事项产生的损益 | | |
除同公司正常经营业务相关的有
效套期保值业务外,持有交易性
金融资产、衍生金融资产、交易
性金融负债、衍生金融负债产生
的公允价值变动损益,以及处置
交易性金融资产、衍生金融资
产、交易性金融负债、衍生金融
负债和其他债权投资取得的投资
收益 | 1,315,325.73 | 详见本报告第十节财务报告
之附注七、68.投资收益/70.公
允价值变动收益 |
单独进行减值测试的应收款项、
合同资产减值准备转回 | | |
对外委托贷款取得的损益 | | |
采用公允价值模式进行后续计量
的投资性房地产公允价值变动产
生的损益 | | |
根据税收、会计等法律、法规的
要求对当期损益进行一次性调整
对当期损益的影响 | | |
受托经营取得的托管费收入 | | |
除上述各项之外的其他营业外收
入和支出 | 152,447.00 | 详见本报告第十节财务报告
之附注七、74.营业外收入/75.
营业外支出 |
其他符合非经常性损益定义的损
益项目 | | |
减:所得税影响额 | | |
少数股东权益影响额(税
后) | 1,388,121.03 | |
合计 | 26,899,708.76 | |
将《公开发行证券的公司信息披露解释性公告第 1号——非经常性损益》中列举的非经常性损益项目界定为经常性损益项目的情况说明
√适用 □不适用
单位:元 币种:人民币
项目 | 金额 | 原因 |
其他收益 | 3,556,123.02 | 系软件退税款,与公司正常
经营业务密切相关 |
合计 | 3,556,123.02 | |
九、 非企业会计准则业绩指标说明
□适用 √不适用
第三节 管理层讨论与分析
一、 报告期内公司所属行业及主营业务情况说明
(一)公司所属行业情况
1. 所属行业及宏观环境
根据中国证监会《上市公司行业分类指引》,公司属于“信息传输、软件和信息技术服务业”中的“软件和信息技术服务业”。同时根据国家统计局《战略性新兴产业分类(2018)》,公司所属行业为“新一代信息技术产业-人工智能-人工智能软件开发(1.5.1)/人工智能系统服务(1.5.3)”。
人工智能作为国家战略新兴产业,近年来国家出台多条政策给予支持。2020年 7月,中央网信办等五部门联合出台了《国家新一代人工智能标准体系建设指南》,明确到 2023年,初步建立人工智能标准体系,并率先在制造、交通、金融、安防、家居、养老、环保、教育、医疗健康、司法等重点行业和领域进行推进。
2022年 1月,国务院发布的《“十四五”数字经济发展规划》指出,打造繁荣发展的数字经济,关键之一即有序推进基础设施智能升级,高效布局人工智能基础设施;到 2025年,数字经济核心产业增加值占国内生产总值比重将达 10%,数字化创新引领发展能力大幅提升,智能化水平明显增强,数字经济与实体经济融合取得显著成效。
2022年 6月,国务院发布的《国务院关于加强数字政府建设的指导意见》指出,全面推进政府履职和政务运行数字化转型,统筹推进各行业各领域政务应用系统集约建设、互联互通、协同联动,创新行政管理和服务方式,全面提升政府履职效能。
到 2025年,政府数字化履职能力、安全保障、制度规则、数据资源、平台支撑等数字政府体系框架基本形成,数字政府建设在服务党和国家重大战略、促进经济社会高质量发展、建设人民满意的服务型政府等方面发挥重要作用。到 2035年,整体协同、智能精准的数字政府基本建成。
2. 所属行业发展情况及所处的行业地位
2.1人机协同操作系统
人机协同操作系统从行业属性上属于人工智能平台领域。目前人工智能平台领域形成了丰富的产品形态,如人工智能芯片平台、深度学习框架、AIoT操作系统、算法算力平台、知识中台、自动驾驶平台、机器人开发平台等等。人工智能企业根据自身技术积累和发展战略选择的人工智能平台发展路径存在差异。
根据人工智能平台领域产品类别和技术特点,公司人机协同操作系统属于算力算法平台和知识中台相结合的产品,支持主流的多个深度学习框架。感知智能、认知智能和决策智能相结合,帮助用户系统性的解决更复杂的业务问题,是人工智能行业发展最重要的趋势之一。
2.2 人工智能解决方案
2.2.1智慧金融
智慧金融领域,人工智能解决方案提供方主要为金融机构客户提供数字化身份认证及生物特征识别、智慧网点数字化运营管理、刷脸支付、信贷风险管理等场景的解决方案。根据深圳市中研普华管理咨询有限公司的咨询报告,《2021-2025年中国智慧金融行业发展态势与前景展望研究报告》,2022年,我国金融科技市场规模将达到 3,958亿元,预计未来五年增速为 17.7%,到 2025年金融科技市场整体规模将超过 8,900亿元。
公司智慧金融解决方案将相关算法能力落地为技术平台,持续推进创新技术到工程化产品的转化,通过不断的技术创新来形成技术壁垒,并尝试针对不同业务场景形成通用解决方案,通过标准化方式提高交付效率。
2.2.2 智慧治理
智慧治理领域,人工智能解决方案提供方主要服务公安、政法、交通、应急、文教卫、社区园区等政府和大型企事业客户。
公司智慧治理解决方案,具备安全高效的海量异构智能设备的数据接入、联网和存储能力,业界领先的视图感知数据分析能力,面向行业的知识存储、建模和推理应用等知识计算能力,为行业客户提供可闭环的业务应用产品和解决方案,提升政府和企事业的智慧化治理水平和效率。
根据赛迪顾问统计,2019年中国智慧治理领域的市场规模达到 927.23亿元,2022年市场规模有望突破 1,600亿元,年增长率为 19.7%。
2.2.3 智慧出行
智慧出行领域,人工智能解决方案的主要应用场景以机场航空公司作为切入口,探索“空陆联运”,联动客运公交、地铁、高铁,逐渐实现对城市的轨交、公交的覆盖。主要产品类别包括民航机场 AI视频平台、民航机场智慧运行、城市智慧公交运营管理、智慧地铁运营管理等解决方案。
公司在智慧出行领域的解决方案,基于人脸识别、视频结构化、行为动作分析、物体识别、飞行器识别、NLP、物联网等技术,实现对出行领域的场站服务资源、交通工具运行状态的全域感知认知,通过大数据、知识图谱、深度学习等技术实现决策闭环,在具体出行业务场景实现技术赋能,实现交通出行在安全管控、生产运营、旅客服务三大方向上的效率最大化。
根据赛迪顾问统计,2019年中国智慧出行市场规模为 86.3亿元,预计未来三年以约 16%的相对平稳增速增长,到 2022年中国智慧出行市场规模有望达到 135亿元。
2.2.4 智慧商业
智慧商业领域,主要应用领域为线下商业地产为基座的各类线下消费场景,例如购物中心、连锁门店、汽车 4S店、百货商超、房地产销售案场等。主要产品为智慧房地产案场、智慧汽车零售、智慧购物中心、智慧商业连锁等解决方案。
公司的优势在于算法技术上的领先优势和储备,以及金融、治理、交通等行业经验的积累。公司充分考虑自身技术和客户积累,兼顾长期战略价值和短期风险控制,选择深耕人工智能平台建设和深入行业场景的人工智能解决方案,符合行业发展趋势。
根据艾瑞咨询的研究,智慧商业 SaaS市场规模,经历了 2020年的疫情,2021年市场增速相比 2019年放缓,增速为 29.8%,其背后原因主要是市场已初具规模,未来将保持近 30%的增速稳步发展。2021年市场规模为 213亿,预计 2024年达到 465亿。
2.2.5 数字城市业务
数字城市领域,公司以智慧城市数字底座为基础,面向政府、企业、百姓三类用户,提供民生服务、城市管理、产业发展三大类服务,具体包含但不限于城市一网统管、智慧社区、应急指挥、智慧生态管理、智慧政务、智慧校园等场景。
公司智慧城市解决方案以城市大脑为核心,将人、环境、资源与产业等多个要素综合融汇,以理念先进、资源集约、平台开放为纲领,基于统一的泛感知、汇数据、智平台的能力,构建智慧城市4.0的城市大脑数字底座,打造智慧城市数字化、智能化基础能力,为城市治理创新提供核心引擎,为智慧城市的各类场景业务应用提供强力支撑。
根据中国智慧城市工作委员会发布的《依托智慧服务共创新型智慧城市——2022智慧城市白皮书》数据统计,2020年我国智慧城市市场规模达到14.9万亿元,预测到2022年,我国智慧城市市场规模将达到25万亿元,市场规模将维持在30%的高增速状态。
2.2.6泛 AI
泛AI领域,云从人工智能解决方案的主要应用场景包括公共卫生、工业智能等,主要产品包括隔离酒店精准管控解决方案、智慧防疫解决方案、智慧工业数字人解决方案等。同时公司已充分发挥自身在人工智能领域积累的深厚优势,将沉淀多年的AI核心技术闭环、全面的人机协同解决方案,应用于智能网联汽车场景的开拓。
公司以高效人机协同操作系统为核心竞争力,基于“多模态数据感知、多领域知识推理、人机共融共创、数据安全共享”四大核心技术,助力AI在不同场景下的快速渗透,提升客户整体业务场景的智能化升级。
根据前瞻产业研究院统计,“十三五”期间在政府的大力推动下,我国公共卫生信息化行业实现大幅度增长,2016-2020年,公共卫生信息化市场规模由59亿元上升至94亿元。预计到2026年市场规模有望突破200亿元。海比研究院、中国软件网联合中国软件行业协会联合发布的《2022中国智能制造软件市场研究及选型评估报告》指出,2021年我国智能制造软件市场规模为1,438.7亿元,预计未来五年保持较快速增长,复合年均增长率为17.4%,将于2026年达到3,202.2亿元。
(二)公司主营业务情况
1. 概述
公司主要产品及服务按照提供交付内容和业务模式可划分为人机协同操作系统和人工智能解决方案:
(1)人机协同操作系统业务指公司向客户提供自主研发的基础操作系统及其核心组件和基于操作系统的应用软件及相关的技术服务。
(2)人工智能解决方案业务指公司提供解决特定行业客户业务问题的智能化升级解决方案。
人工智能解决方案会将人机协同操作系统作为方案架构的核心组成部分,充分发挥操作系统提供的 AI能力,再结合智能 AIoT设备和第三方软硬件产品等为客户解决特定行业问题。
公司主要产品及服务图谱如下:
2. 主要经营模式
2.1研发模式
公司技术研发主要由技术中台(感知研究院、数据研究院、AI平台中心和硬件产品部)负责执行,前台业务线的下属产品和解决方案部在产品设计开发方面提供行业经验和技术支持。技术中台重点推进算法引擎、大数据分析技术、人机协同操作系统和 AIoT设备及模组研发。产品和解决方案部主要基于云从人机协同操作系统针对金融服务、城市治理、交通出行、商业零售等应用场景进行具体产品的定制化设计开发,打造契合客户具体场景需求的解决方案。
2.2生产模式
2.2.1人机协同操作系统服务模式
公司根据合同约定向客户交付基础操作系统、应用产品和核心组件或向客户提供相关技术服务。部分项目根据客户要求需进行定制化开发,公司按需定制开发人机协同操作系统及应用产品,同时根据客户需求的不同,会将部分非人机协同操作系统相关技术的配套系统功能委托给独立软件开发商等行业生态伙伴进行定制开发或向独立软件开发商采购配套软件产品。
2.2.2人工智能解决方案服务模式
公司的人工智能解决方案业务包含方案设计和规模销售两个阶段:
(1)方案设计阶段:公司通过行业研究并结合 AI技术难度与应用成熟度聚焦行业客户智能化转型的重点需求,将自主研发的人机协同操作系统及应用软件、智能 AIoT设备和服务器等第三方软硬件进行系统性的适配与产品/系统测试,形成行业解决方案的初步框架,并经与行业客户沟通和实验性交付部署,验证并优化解决方案,进而通过多个典型项目打磨,逐步形成行业标准化解决方案。
(2)规模销售阶段:公司基于已积累的行业经验,以行业标准化解决方案为核心,针对不同行业客户需求进行软硬件功能的定制化开发,并提供与客户现有系统对接开发等技术服务,形成适配客户的解决方案。
2.3销售模式
公司产品和服务的销售采用直销与经销相结合的模式:
(1)直销模式:对政府、公安、银行、机场以及其他大型企业等政企客户以及直接面对中大型终端客户的厂商或集成商,公司一般采用直销的方式,通过招标或竞争性谈判等方式取得相关项目,与客户直接签订合同,安排专门的销售及技术团队为其服务。
(2)经销模式:公司存在极少量客户采用经销模式,经销模式下,公司的直接客户为经销商,由经销商向终端客户或集成商进行销售。
2.4盈利模式
公司基于自主研发的人工智能技术,为政府、公安、银行、机场以及其他大型企业等政企客户和直接面对中大型终端客户的厂商或集成商提供人机协同操作系统和应用软件以及人工智能解决方案,从而获得销售收入。
2.5采购模式
公司采购内容主要分为非生产性物资和生产性物资:
(1)非生产性物资主要为公司日常办公和研发过程中所需的服务器、办公电脑等相关硬件设备和部分外包服务以及办公用品,主要用于公司日常办公和技术研发等;
(2)生产性物资主要为各类软硬件设备,主要用于解决方案项目交付。主要包括两类:一类为向合作供应商采购智能摄像头、刷脸 PAD等公司自主研发的 AIoT设备;另一类为解决方案业务项目交付中所需的服务器等第三方软硬件产品。
3. 所处的市场地位
公司是一家提供高效人机协同操作系统和行业解决方案的人工智能企业,致力于助推人工智能产业化进程和各行业智慧化转型升级。在智慧金融、智慧治理、智慧出行、智慧商业、数字城市、泛 AI等领域已逐步实现成熟落地应用,其中智慧金融领域已覆盖六大国有银行在内超过 100家银行为代表的金融机构,智慧治理领域已服务于全国 30个省级行政区政法、学校、景区等多类型应用场景,智慧出行领域已于包括中国十大机场中的九座重要机场在内的上百座民用机场部署上线,智慧商业领域已辐射汽车展厅、购物中心、品牌门店等众多应用场景。
公司拥有自主可控并不断创新的人工智能核心技术,实现了从智能感知、认知到决策的核心技术闭环。公司自主研发的人脸识别、跨镜追踪、语音识别、自然语言处理等单点技术参与了国内外权威数据集的测试,凭借相关技术在算法先进性指标(准确率、精确率、召回率、综合评价指标等[准确率指所有被预测正确的样本(包括正、负)占所有样本的比例;精确率指正确预测正样本占预测为正的比例;召回率指正确预测正样本占标注为正的比例;综合评价指标指召回率和精度的加权调和平均])上的表现取得优异成绩。具体包括:(1)人脸识别方面,在 2021年 1月美国国家标准与技术研究院(NIST)的人脸识别算法测试(FRVT)中,1:1人脸识别项目 6项数据集测试中取得 1项排名第一、3项排名第二、1项排名第三,口罩人脸识别项目排名第一;( 2)跨镜追踪方面,在 2020年 5月杜克大学(DukeMTMC-reID)、香港中文大学(CUHK03-NP)数据集测试中刷新世界纪录,在清华大学(Market-1501)数据集测试中 mAP指标[mAP则是检索结果中所有正确结果排在前面的综合考察指标]刷新世界纪录,并在 2020年首届全国人工智能大赛(NAIC)中获得冠军;(3)语音识别方面,在 2020年 5月 Librispeech和SwitchBoard数据集测试中排名全球第一;(4)自然语言处理方面,在 2019年 7月RACE数据集测试中排名全球第一;在 SQuad数据集测试中排名全球第二。
二、 核心技术与研发进展
1. 核心技术及其先进性以及报告期内的变化情况
截至报告期末,公司主要核心技术如下表所示:
序
号 | 技
术
类
别 | 技
术
名
称 | 技术内容 | 技术先进性及其表征 | 技
术
来
源 | 相关专利 | 相关软件著作权 | 业务应用情况 |
1 | 多
模
态
混
合
感
知 | 双
层
异
构
人
脸
识
别
网
络 | 人脸识别受到光照、角度、年龄等
不同因素影响,造成人脸特征由于
场景异构而存在比对偏差,通过双
层共享神经网络,将不同场景的特
征向量融入到同一个空间,降低人
脸比对偏差,提升人脸识别精度。 | 1、双层神经网络:一层针对人脸局
部和全局空间区域反复进行特征抽
象,另一层负责挖掘以上特征的相
互关系,进而精准地融合形成最终
的人脸特征;
2、异构数据输入:一层通过卷积和
池化抽取语义空间的抽象特征,强
调由浅到深的特征抽象;另一层则
是对以上特征之间的关系进行建
模,强调归纳总结人像固有特征。
两层网络从组件和架构上是完全异
构的。 | 自
主
创
新 | 2014107505045
2017107738782
201410677837X
2016205316768
2016205316787
2019114205495
2019213627495
2020109224588
2020110160483
2020110550380 | 2016SR197287
2016SR104072
2017SR354461
2017SR360020
2017SR541196
2018SR575877
2019SR0739590
2019SR0476626
2019SR0640854
2019SR0896298
2019SR1061093
2020SR0349221
2020SR0356680
2020SR0597995
2020SR0598003
2020SR0416448
2020SR0882283
2022SR0023369
2022SR0207424
2022SR0843058
2022SR0843050
2022SR0459456 | 操作系统应用
产品:智能云
平台、视图汇
聚分析平台、
云从科技集成
生物识别系
统。
AIoT设备:
天官人脸识别
终端、智能抓
拍相机、天官
视频人脸门控
机、盘古智能
相机、智能抓
拍相机。 |
序
号 | 技
术
类
别 | 技
术
名
称 | 技术内容 | 技术先进性及其表征 | 技
术
来
源 | 相关专利 | 相关软件著作权 | 业务应用情况 |
2 | 多
模
态
混
合
感
知 | 2
D
-
3
D
混
合
人
脸
识
别 | 通过结合 2D的纹理特征以及 3D的
形状特征,更准确的为人脸特征建
模,提高人脸识别的精度,降低误
识率。 | 2D-3D特征空间:自主研发的 PRNet
方法,通过在 uv空间构建人脸的
3Duv图,同时对单张静态的 2D人脸
图像进行精准 3D重建,使得 2D人
脸图像可以和结构光等专用设备采
集的 3D人脸进行精确匹配。 | 自
主
创
新 | 2017103751311
2018107076902
2018103426184
2018112147768 | 2015SR161207
2016SR197307
2017SR385003
2019SR0739590
2019SR0734710
2019SR0734702
2019SR1240250
2019SR1237081
2019SR0642287
2020SR0316864
2020SR0882283 | 操作系统应用
产品:云从科
技活体检测软
件、云从科技
集成生物识别
系统。
AIoT设备:
天官人脸识别
终端、人证核
验设备、天官
视频人脸门控
机、比邻星红
外双目活体安
全模组、如意
支付 PAD、北
极星结构光相
机、大角星
TOF相机。 |
3 | 多
模
态
混
合
感
知 | 多
粒
度
行
人
重
识
别 | 根据人体空间结构的信息,利用多
粒度分析的模型结构实现对人体全
局特征及局部特征的融合,提高人
体检索的精度。 | 1、创新架构:根据行人上下结构化
信息特点设计了针对性的多粒度神
经网络,配合差异化细节架构与损
失函数,可实现对人体全局特征到
局部特征的统一提取;
2、性能优越:大幅提高行人重识别
的性能,在权威数据集上取得了业
界领先的结果,首位命中率达到 | 自
主
创
新 | 201811348058X
2018111390502
2019212184644 | 2019SR1035141
2019SR0557794
2019SR0483181
2020SR0348906
2020SR0349213
2020SR0617519
2020SR0682593
2020SR0757461 | 操作系统应用
产品:火眼人
脸大数据平
台、智能云平
台、智能安防
管理系统。 |
序
号 | 技
术
类
别 | 技
术
名
称 | 技术内容 | 技术先进性及其表征 | 技
术
来
源 | 相关专利 | 相关软件著作权 | 业务应用情况 |
| | 网
络 | | 98.63%,平均精度均值达到
97.52%;
3、算法可落地:该网络架构设计简
单高效,速度快,精度高,满足大
规模的商业落地的要求;
4、普适性强:核心算法具有很强的
迁移能力,在车辆、人脸等相似任
务上也取得了显著成果。 | | | | |
4 | 多
模
态
混
合
感
知 | 开
放
版
式
票
据
识
别
系
统 | 通过对预训练模型迁移学习的方
式,降低不同票据字体差异的影
响,同时建立票据训练“所标即所
得”的自动化流程,降低不同票据
版式的定制化成本,并自动进行语
义结构化,降低票据识别的成本及
门槛。 | 1、模拟数据生成:归纳现有的字体
种类,通过分类及图像变换的方式
自动生成目标字体的训练数据;
2、训练模型:通过融合 240多种字
体的训练数据,训练效果好的预训
练模型;
3、所标即所得的检测:通过少量的
标注,在预训练模型的基础上迅速
定位感兴趣的字段位置;
4、自动语义结构化:通过增量学习
自动识别文字,通过 NLP自动解析
成结构化字段。 | 自
主
创
新 | 201610587650X
2016109450120
2017103751078 | 2016SR364178
2017SR355674
2017SR378348
2019SR0476626
2019SR1061239
2020SR0348906
2020SR0345827
2020SR0349001
2020SR0348989
2020SR0345818 | 操作系统应用
产品:智能云
平台、视图汇
聚分析平台、
云 从 科 技
OCR识别软
件。 |
5 | 多
模
态
混
合
感 | 增
量
结
构
化
解 | 通过共享主干网络的方式,降低识
别人体/车辆不同属性的计算量,同
时通过注意力模型聚焦局部特征的
提取,可快速拓展属性识别的种
类。 | 1、共享主干网络,结构化属性扩
展:通过共享主干特征的方式提升
训练及推理效率,并可动态的支持
新的结构化属性,并且不影响现有
的属性的效果;
2、注意力模型:通过注意力模型及 | 自
主
创
新 | 2016109529202
2018112954235 | 2016SR347155
2016SR354065
2016SR346887
2016SR360879
2019SR0281195
2019SR0739590
2019SR0476626 | 操作系统应用
产品:云从科
技集成生物识
别系统、视图
汇聚分析平
台。 |
序
号 | 技
术
类
别 | 技
术
名
称 | 技术内容 | 技术先进性及其表征 | 技
术
来
源 | 相关专利 | 相关软件著作权 | 业务应用情况 |
| 知 | 析
网
络 | | 不同属性的相互验证提升属性的效
果。 | | | 2019SR1005070
2020SR0983693
2020SR0882283
2020SR1501173
2021SR0125485 | |
6 | 多
模
态
混
合
感
知 | 自
生
成
对
抗
活
体
检
测
网
络 | 为了提升活体检测对不同攻击的泛
化性能,通过对抗攻击的方式不断
探索模拟新的攻击方式,并优化防
守检测的特征,提升活体检测的安
全性及用户体验。 | 1、活体检测场景泛化性:该技术具
有很强的场景泛化能力,能够基于
可见光图片、红外图片、深度图片
进行人脸活体检测及属性分析,支
持各种前端摄像头设备;
2、安全性:算法准确率高,在正
常、极端光照下,真人通过率达到
99%,防攻击能力在 99.9%以上,能
够抵御照片、面具、视频翻拍、头
模等各种攻击类型;
3、响应时间:能够实现毫秒级的活
体结果反馈,对摄像头捕捉到的人
脸进行实时活体属性分析;
4、用户体验:同时支持配合式和非
配合式的活体检测方式;
5、平台兼容性:部署成本低,兼容
手机移动端、边缘计算盒子、普通
PC机、云端服务器等各种硬件平
台。 | 自
主
创
新 | 201710160685X
2019211784985
2019211779224
2019222330331
2019211784805
2019110314652
2019110314987 | 2017SR067793
2017SR353710
2017SR355036
2017SR360453
2017SR360467
2019SR1232871
2019SR0734695
2019SR0735147
2019SR0739590
2019SR0734702
2019SR0734710
2019SR1240250
2019SR1237081
2020SR0353475
2020SR0353487
2020SR0353481
2020SR0882283 | 操作系统应用
产品:云从科
技集成生物识
别系统、云从
科技活体检测
软件。
AIoT设备:
如 意 支 付
PAD、北极星
结构光相机。 |
7 | 多
模
态 | 多
模
态 | 通过视觉检测的方式辅助语音的声
源定位及唤醒,更好的获取高质量
的语音信号,降低噪声对后端语音 | 1、多模态数据采集:视觉部分集成
3D结构光活体检测技术,可在
100ms内快速识别,真人通过率超过 | 自
主
创 | 2015101788986
2016211727546
2019109779150 | 2016SR106359
2016SR106643
2019SR0720380 | AIoT设备:
智慧航显。 |
序
号 | 技
术
类
别 | 技
术
名
称 | 技术内容 | 技术先进性及其表征 | 技
术
来
源 | 相关专利 | 相关软件著作权 | 业务应用情况 |
| 混
合
感
知 | 信
号
感
知
设
备 | 识别的影响,提升识别精度。 | 99.9%,防攻击能力 2D99.999%,
3D99.9%;音频采集涵盖波束形成、
声源测向、语音活体检测等多重算
法;
2、多模态数据增强:涵盖去混响、
回声消除、降噪等多重算法,支持
双讲场景,语音活动检测算法准确
率达到 98%;
3、视觉-语音相互辅助:结合人脸识
别和语音技术,身份验证准确率可
以达到 99.9%以上。 | 新 | 2021101642941 | 2019SR1204990
2019SR0740430
2019SR0734718
2020SR0289228
2020SR0816461
2020SR0983707
2020SR0985404 | |
8 | 多
模
态
混
合
感
知 | 多
因
子
生
物
认
证
技
术 | 每一种生物特征都有它的强项和弱
项,通过多因子的方式进一步提升
生物识别认证的精度。 | 多因子生物识别:通过人脸识别+声
纹识别、人脸识别+指静脉识别等多
种不同的生物特征识别方法叠加进
行多因子校验,提升认证的准确
率,并可以开放集成更多的生物识
别技术。 | 自
主
创
新 | 2018112921424
2019211784595
2019211784260
2019214594164
2019108729012 | 2016SR357425
2016SR104758
2016SR041982
2016SR106359
2016SR106643
2016SR106633
2017SR354230
2019SR0740430
2019SR0734718
2019SR1205085
2020SR0289228
2020SR0816461
2020SR0882283
2020SR0983707 | 操作系统应用
产品:云从科
技集成生物识
别系统、商业
慧眼平台。
AIoT设备:
如 意 支 付
PAD。 |
9 | 动
态
异 | 动
态
注 | 视频数据量非常大,同时帧间存在
较多冗余,如果逐帧逐行分析会造
成严重浪费,通过时空注意力模型 | 1、场景自理解:自动识别视频内容
的场景,根据不同的场景分类设置
不同的策略; | 自
主
创 | 2016205246695
2019114118162
2018112698826 | 2016SR182399
2016SR360618
2017SR390791 | 操作系统应用
产品:云从科
技 OCR识别 |
序
号 | 技
术
类
别 | 技
术
名
称 | 技术内容 | 技术先进性及其表征 | 技
术
来
源 | 相关专利 | 相关软件著作权 | 业务应用情况 |
| 构
理
解 | 意
力
预
测 | 快速定位感兴趣区域及时间段,并
着重分析该感兴趣区域,能极大提
升视频分析的效率,减少资源浪
费。 | 2、空间注意力预测:通过多模态注
意力模型预测空间中最感兴趣的区
域;
3、时间注意力预测:通过多维度数
据建模预测时间注意力;
4、目标注意力预测:通过专家知识
及场景分析预测不同目标的关注
度。 | 新 | | 2019SR1197964
2020SR0407702
2020SR0289183
2020SR0289232
2020SR0289230 | 软件、火眼人
脸大数据平
台。
AIoT设备:
智慧航显。 |
10 | 动
态
异
构
理
解 | 多
信
道
行
为
识
别
系
统 | 人体的动作行为是一个时间与空间
相联系的状态,通过融合时间上的
前后依赖及空间上的相互关系,可
更准确的识别行为。通过自动建模
平台解决了行为的多样性问题,同
时可以快速的建模动作行为,降低
生产成本。 | 1、多信息融合识别:自主研发的多
信道行为系统可融合图片、视频、
语音等多种形式的信息进行综合识
别,实现对多种形式的人体行为识
别与综合视频内容理解;
2、性能高:错综复杂的系统经过算
法与工程的优化后,可实现实时的
高精度的行为识别;
3、支持种类多样:能够支持各类应
用场景上百种行为识别;
4、人物场综合认知:支持人、物、
场等多种对象在空间与时间上的复
杂交互与综合认知;
5、支持快速定制:基于AI自动建模
平台,可实现针对特定客户高度定
制的行为识别的任务,相比专家建
模,缩短了项目实施时间并大幅减
少实施成本。 | 自
主
创
新 | 201420509667X
2016207873041
2016205244238
2018112687253
2018203909679
2021100234199 | 2016SR354067
2016SR357429
2019SR0752817
2019SR1193406 | 操作系统应用
产品:火眼人
脸大数据平
台、云从科技
集成生物识别
系统。 |
序
号 | 技
术
类
别 | 技
术
名
称 | 技术内容 | 技术先进性及其表征 | 技
术
来
源 | 相关专利 | 相关软件著作权 | 业务应用情况 |
11 | 动
态
异
构
理
解 | 多
模
态
人
机
对
话 | 通过视觉和语音多维度信息的融
合,自然的“察言观色”,更好的
理解与客户对话的背景和意图,之
后通过融合专家知识给客户提供专
业的建议与服务。 | 1、视觉-语音混合增强:通过视觉检
测定位辅助麦克风阵列进行声源定
位及增强;
2、多维度信息理解:通过视觉场景
识别、属性识别、语音识别综合进
行对话状态判定;
3、专家知识融合:融合专家经验进
行对话生成。 | 自
主
创
新 | 2019109779112
2021100496952
2021101713773 | 2019SR1205085
2019SR0739590
2020SR0324897
2020SR0882283 | 操作系统应用
产品:云从科
技集成生物识
别系统、智能
安防管理系
统。
AIoT设备:
智慧航显。 |
12 | 人
机
协
同
决
策 | 专
家
知
识
服
务
平
台 | 自动融合感知数据与业务数据,通
过知识抽取及关系抽取的方法自动
从业务数据中抽取命名实体及关
系,并结合感知数据的理解建立人
物关系图谱,物体所属关系等,为
决策提供数据的查询支撑。 | 1、专家知识图谱:通过自然语言理
解技术及行业领域知识建立专家知
识图谱;
2、人物关系图谱:结合自然语言理
解技术、视觉感知技术及行业领域
知识,建立线上线下人物关系图
谱;
3、知识图谱查询:提供高效、方便
的接口实现对各种知识图谱、关系
图谱的快速查询。 | 自
主
创
新 | 2018113067031
2020102909832 | 2017SR360020
2018SR087949
2019SR0919299
2019SR1005070
2020SR0312428
2020SR0348906
2020SR0312293
2020SR1503078 | 操作系统应用
产品:火眼人
脸大数据平
台。
AIoT设备:
智慧航显。 |
13 | 全
链
A
I
建
模
平
台 | 基
于
聚
类
的
无
监
督 | 数据标注非常耗费资源,同时人脸
识别的标注存在大量不确定性,人
眼已经无法准确的区分出人的身
份,通过结合视频中的时空关系和
跨摄像头的聚类,可以自动为每个
人生成 ID作为训练监督信号,同时
通过噪声抑制的训练方式解决聚类
带来的标注不准的问题,减少了数 | 1、无监督训练:利用无标签的数据
(如抓拍图或视频)实现自主学
习,提升人脸识别算法的性能;
2、结合时空信息聚类:基于小型化
的表征模型和运动估计模型,跟踪
视频中的人物运动轨迹,并采用基
于图神经网络的超大规模人脸聚类
算法,合并因遮挡或交叉形成的轨 | 自
主
创
新 | 2016105041280
202011488380X
2020114060075 | 2015SR156918
2017SR393596
2017SR398198
2019SR0919299
2019SR1005070
2020SR0312428
2020SR0312293
2020SR0670250
2020SR0682005 | 操作系统应用
产品:动态人
脸识别系统、
商业慧眼平
台。 |
序
号 | 技
术
类
别 | 技
术
名
称 | 技术内容 | 技术先进性及其表征 | 技
术
来
源 | 相关专利 | 相关软件著作权 | 业务应用情况 |
| | 训
练 | 据标注成本。 | 迹片段,建立起“一人一档”的训
练数据;
3、有噪声数据训练:由于聚类质量
可靠稳定,可用于训练和提升人脸
识别模型。性能提升后的模型,反
馈到跟踪模块和聚类模块,进一步
提升跟踪和聚类性能。 | | | 2020SR0682600 | |
14 | 全
链
A
I
建
模
平
台 | 基
于
主
动
学
习
的
数
据
标
注
闭
环 | 样本标注由于样本冗余等因素导致
非常耗费资源,通过主动学习自动
发现最有价值的样本,并优先标注
这些对学习有帮助的样本,可以降
低标注成本,提升训练的速度。 | 1、完整数据标注闭环系统:自主研
发深度学习模型、主动学习模型、
样本评估排序、标注平台等核心模
块,通过主动学习算法计算出最有
价值的样本进行标注,在保证模型
训练效果的前提下,大幅度降低数
据标注量;
2、主动学习选择样本:算法可分析
出未标注样本的不确定性和代表
性,在实际场景模型部署的过程
中,可从业务方海量未标注图片中
分析出有价值的样本,实现少量标
注样本就可以训练出满足特定业务
场景的个性化模型。 | 自
主
创
新 | 201811306703.1 | 2017SR360020
2018SR087949
2019SR0919299
2019SR1005070
2020SR0312428
2020SR0312293
2020SR0348906
2020SR1503078
2021SR0125526 | 操作系统应用
产品:云从科
技集成生物识
别系统、智能
云平台、商业
慧眼平台。 |
15 | 全
链
A
I
建 | 正
例
-
无
标 | 大量训练任务存在训练样本不均衡
的状况,即绝大多数均为正常样
本、异常样本极少出现。为了检测
异常样本,借鉴判别对抗网络的思
路,通过通过分类器和判别器相互 | 1、解决样本严重不均衡:通过拟合
正样本分布来解决分类问题,应对
金融风控等场景下正负样本比例不
均衡、某一类样本标注成本较大或
者较难获得的困难; | 自
主
创
新 | 2021101956582 | 2019SR0919299
2019SR1005070
2020SR0312428
2020SR0312293 | 操作系统应用
产品:云从科
技集成生物识
别系统、智能
云平台、商业 |
序
号 | 技
术
类
别 | 技
术
名
称 | 技术内容 | 技术先进性及其表征 | 技
术
来
源 | 相关专利 | 相关软件著作权 | 业务应用情况 |
| 模
平
台 | 注
学
习 | 博弈去逼近理想的贝叶斯分类器,
降低业务上对训练数据的依赖。 | 2、判别对抗网络:提出了全新的基
于判别对抗网络来解决一般数据分
布条件下的正例-无标注学习问题。
以分类器识别未标注数据中真正的
正负数据,通过分类器和判别器相
互博弈训练,最小化被标注的正数
据分布和被分类器识别的正数据分
布之间的距离去逼近理想的贝叶斯
分类器。 | | | | 慧眼平台。 |
16 | 全
链
A
I
建
模
平
台 | 自
动
特
征
生
成 | 特征生成是数据处理与分类的基
础,自动特征生成可以快速高效的
从海量日志数据中提取特征,降低
人工成本,提升特征生成效率。 | 自动特征生成:自动特征生成可实
现一(用户)对多(行为)的行为
记录表等常见原始日志型数据的特
征生成,并最终聚合到用户维度,
大幅提升数据特征生成效率。 | 自
主
创
新 | 201811348058X | 2016SR347140
2019SR0157218
2019SR0755149
2019SR1005070
2019SR0557794
2019SR0483181
2019SR1035141
2020SR0348906
2020SR0349213
2020SR0617519 | 操作系统应用
产品:云从科
技集成生物识
别系统、智能
云平台、商业
慧眼平台。 |
17 | 全
链
A
I
建
模
平
台 | 智
能
评
分
卡 | 通过端到端的自动化建模算法,可
以快速完成特征选择和特征分箱,
提升业务场景建模效率。 | 自动评分卡建模:公司自研的端到
端的自动化评分卡模型,可自动完
成评分卡模型建模过程中的特征选
择和特征分箱,提升特定业务场景
建模效率和预测效果。 | 自
主
创
新 | 2020107503083 | 2019SR0919299
2019SR1005070
2020SR0312428
2020SR0312293
2020SR0682608
2022SR0302663
2022SR0307348 | 操作系统应用
产品:云从科
技集成生物识
别系统、商业
慧眼平台。 |
序
号 | 技
术
类
别 | 技
术
名
称 | 技术内容 | 技术先进性及其表征 | 技
术
来
源 | 相关专利 | 相关软件著作权 | 业务应用情况 |
18 | 全
链
A
I
建
模
平
台 | A
ut
o
M
L | 深度学习的网络结构及超参数的设
置对于模型效果至关重要,大量算
法工程师的精力都花在调整参数
上。AutoML通过各种优化算法自动
在超参空间中寻找最优参数,并集
成在分布式训练算法中,大幅提升
训练效率,降低训练门槛。 | 1、自动化水平:该技术实现了算法
生产的端到端的自动化,支持数据
集构建、数据增强、模型结构设
计、训练调参、模型评估各个阶段
的自动化;
2、算法种类:该技术支持视觉领域
各种算法训练,包含人脸检测、人
脸属性、OCR、人脸识别、视频结
构化、行人 ReID、物品检测、图片
分类等;
3、分布式功能:该技术支持算法生
产的分布式训练,可动态扩增和减
少计算节点,自动对计算资源进行
适配调节;
4、EarlyStop:该技术支持训练过程
中对训练进程进行自动估计,判断
终止时间,提高资源利用效率;
5、优化算法:该技术支持浮点型、
整型、枚举型变量类型的参数优
化,能够适应各种类型调参需求。 | 自
主
创
新 | 2016109529202
2018112954235 | 2016SR364178
2016SR197287
2017SR355674
2017SR378348
2019SR0557794
2020SR0682600
2020SR0681402
2020SR0732207 | 操作系统应用
产品:动态人
脸识别系统、
云 从 科 技
OCR识别软
件、云从科技
活体检测软
件。 |
19 | 全
链
A
I
建
模 | 视
觉
长
尾
定
制 | 视觉场景存在大量的长尾定制任
务,需要大量算法工程师投入。通
过建立标准化训练平台,打通数据
标注、模型训练、模型评估的闭
环,并通过在预训练模型上迁移学
习的方法,利用 AutoML自动搜索适 | 1、数据标注管理:支持图片、视频
数据各类数据的交互式智能标注和
汇聚存储,具备完善的标注任务管
理、分发功能,支持 1000人同时进
行标注;
2、数据处理能力:支持单机版/分布 | 自
主
创
新 | 2016109529202
2018112954235 | 2016SR364178
2016SR197287
2017SR355674
2017SR378348
2019SR0557794
2020SR0682600
2020SR0681402 | 操作系统应用
产品:火眼人
脸大数据平
台、智能云平
台。 |
序
号 | 技
术
类
别 | 技
术
名
称 | 技术内容 | 技术先进性及其表征 | 技
术
来
源 | 相关专利 | 相关软件著作权 | 业务应用情况 |
| 平
台 | 训
练
平
台 | 合场景的参数,可快速低成本的完
成长尾定制任务,降低项目人力成
本。 | 式数据处理功能,内置常见数据预
处理模块和数据增强模块,支持全
自动化生成;
3、算法训练能力:支持检测、分
类、分割、风格迁移等各种视觉算
法任务的自动化训练,集成相关领
域算法专家的经验设计,具有
AutoML自动化建模能力,可以训练
运行在各种计算平台的算法模型;
4、模型部署测试:支持模型的自动
化部署和推理测试,自动进行模型
剪枝、量化、格式转换和平台适
配。 | | | 2020SR0732207
2022SR0843038 | |
20 | 人
机
协
同
操
作
系
统 | 人
机
协
同
实
时
操
作
系
统 | 人机协同建立了从感知-理解-决策的
业务闭环,整套系统涉及到云边端
联动,同时管理各个任务的实时调
度。通过人机协同操作系统可抽象
底层算法实现,为业务提供可扩展
的各种应用接口,同时通过实时任
务调度高效响应各种应用的执行。 | 1、实时资源动态调度:系统可应对
海量数据接入与调取,根据感知预
测动态调用 AI引擎、切换分析模
型,实现在有效资源下实时解析海
量数据;
2、云边端一体协同计算:系统结合
云端全局分析及调度,定制统一数
据协议和调用协议,打造协同一体
计算,结合边端设备响应快和云端
全局分析的能力;
3、高性能小文件存储:针对视频、
图片等视觉信息开发专用存储功
能,支持相关文件在训练过程需要 | 自
主
创
新 | 2016104606306
2016208014308
201620879342X | 2017SR360010
2019SR0281198
2020SR0328435
2020SR0367956
2020SR0367187
2020SR0406388
2020SR0406062
2020SR0406067
2020SR0406486
2020SR0406079
2020SR0406342
2020SR0406337
2020SR0406331
2020SR0406700
2020SR0406423 | 操作系统应用
产品:智能云
平台、火眼人
脸大数据平
台、云从科技
集成生物识别
系统。 |
序
号 | 技
术
类
别 | 技
术
名
称 | 技术内容 | 技术先进性及其表征 | 技
术
来
源 | 相关专利 | 相关软件著作权 | 业务应用情况 |
| | | | 在低延迟的条件下反复读取以及在
检索和显示上的快速响应;
4、AI应用商店:打通 AI模型从训
练、发布、调用的闭环,可以根据
需求动态下载,启动 AI应用。 | | | 2020SR0406429
2020SR0406542
2020SR0682694
2020SR0682678 | |
21 | 全
链
A
I
建
模
平
台 | 开
放
集
的
小
样
本
物
体
检
测
与
识
别 | 检测识别任务在落地实际场景中面
临的一个大的挑战是只有少量的标
注数据可以用来训练,同时识别类
别又是在使用过程中动态扩充的,
这就需要在小样本数据的状态下能
及时识别新增类别。 | 1、无监督聚类预训练:扩充同类应
用的无标签数据,并通过无监督聚
类的方式生成软标签进行预训练模
型的学习;
2、领域融合的学习:扩充的数据与
原生数据存在较大的领域差别,直
接混合在一起训练会导致效果不
佳,通过领域融合迁移的方式消除
领域差异,使学习聚焦在本身的特
征。 | 自
主
创
新 | 2020109450150 | 2020SR0407697
2020SR0407568
2020SR1514304 | 操作系统应用
产品:智能云
平台、商业慧
眼平台。 |
22 | 隐
私
计
算 | 开
明
隐
私
计
算
平 | 开明隐私计算平台产品面向业务建
模、业务分析人员,旨在提供一套
在保护用户隐私和数据安全前提下
实现多方协同计算,使数据互联互
通产生更大价值的产品方案,保证
各方数据不出本地,并通过隐私计
算技术,加密交换各方参数,最终 | 1、大数据接入和计算:支持大数据
量元数据接入平台;支持大数据建
模和运算;
2、隐私计算+AutoML+自研模型:
基于隐私计算和 AutoML技术,结合
自研智能评分卡模型,实现该模型
端到端分布式安全自动建模,可一 | 自
主
创
新 | - | 2021SR0571878 | 操作系统应用
产品:智能云
平台、云从科
技集成生物识
别系统。 |
序
号 | 技
术
类
别 | 技
术
名
称 | 技术内容 | 技术先进性及其表征 | 技
术
来
源 | 相关专利 | 相关软件著作权 | 业务应用情况 |
| | 台 | 得到与各方通过明文计算相一致的
结果。实现数据可用不可见、数据
不动模型(参数)动,不流通数据
本身,只流通数据的计算结果。 | 键完成自动特征工程、模型训练、
模型评估,保证原始数据安全;
3、端到端全流程建模:支持从特征
工程、模型训练、模型评估、模型
预测、模型推理的完整建模周期。 | | | | |
(未完)